通过NVIDIA DLI课程学习NLP和对话人工智能

通过NVIDIA DLI课程学习NLP和对话人工智能

你会学到什么？

使用 TAO 工具箱训练文本分类模型

在 SST-2 数据集上训练并微调 BERT 文本分类模型。

对模型进行评估和推断。

将模型导出为 ONNX 格式或 Riva 格式以进行部署。

使用 Riva 部署文本分类模型

使用 Riva ServiceMaker 获取 TAO 导出的 Riva 模型，并将其转换为最终部署。

在 Riva 服务器上本地部署模型。

Riva 语音 API 演示

将音频发送到 ASR 型号并接收回文本。

使用 NLP 模型转换文本、分类文本和分类标记。

向 TTS 型号发送文本并接收回音频。

课程完成后，开发者将熟悉：

如何使用 NVIDIA TAO 工具包在 NVIDIA GPU 上训练、推断和导出文本分类模型。

如何在 NVIDIA GPU 上使用 NVIDIA Riva 部署文本分类模型。

如何从示例客户端构造对 NVIDIA Riva 语音服务器的请求。

为什么文本分类有用？

文本分类回答了这个问题：这段文本属于哪一类？例如，如果你想知道电影评论是正面的还是负面的，你可以使用两个类别来建立一个情绪分析项目。

更进一步，使用几个类别按主题对句子或文档进行分类。在这两个用例中，您都从预先训练好的语言模型开始，然后使用示例分类文本“训练”分类器来创建文本分类项目。

诚然，文本分类只是使用预先训练的语言模型来理解书面语言的许多 NLP 任务之一。一旦开发人员尝试使用 NVIDIA TAO 工具包和 NVIDIA Riva 来培训和部署 文字分类 项目，他们将能够将这种经验扩展到其他 NLP 任务，例如 命名实体识别（ NER ） 和 问答 。

NVIDIA Riva 语音 API 是如何工作的？

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。